L identification de protéines séquencées en mode MS/MS : des difficultés encore non résolues.
|
|
- Eloi Leroy
- il y a 8 ans
- Total affichages :
Transcription
1 L identification de protéines séquencées en mode MS/MS : des difficultés encore non résolues. Dominique Tessier, groupe bioinformatique, plateforme BIBS Unité BIA, INRA centre Angers-Nantes Atelier Prospectom - Les 29 et 30 Novembre
2 Le contexte Atelier Prospectom - Les 29 et 30 Novembre
3 4 problématiques majeures en protéomique Identification de protéines Caractérisation de protéines Quantification de protéines Comparaison d échantillons Atelier Prospectom - Les 29 et 30 Novembre
4 Analyse par spectrométrie de masse en mode MS/MS Atelier Prospectom - Les 29 et 30 Novembre
5 Spectres Peptides Protéines E= E=0.016 MGLVKDGADMEEGTLEIGMEYRTVSGVAGPLVILDKVKGPKYQEIVNIRLGDGTTRRGQVLEVDGEKAVVQVFEGTSGID NKYTTVQFTGEVLKTPVSLDMLGRIFNGSGKPIDNGPPILPEAYLDISGSSINPSERTYPEEMIQTGISTIDVMNSIARGQKIP LFSAAGLPHNEIAAQICRQAGLVKRLEKGKHAEGGGEDDNFAIVFAAMGVNMETAQFFKRDFEENGSMERVTLFLNLAN DPTIERIITPRIALTTAEYLAYECGKHVLVILTDMSSYADALREVSAAREEVPGRRGYPGYMYTDLATIYERAGRIEGRTGSITQI PILTMPNDDITHPTPDLTGYITEGQIYIDRQLHNRQIYPPINVLPSLSRLMKSAIGEGMTRRDHSDVSNQLYANYAIGKDVQ AMKAVVGEEALSSEDLLYLEFLDKFERKFVAQGAYDTRNIFQSLDLAWTLLRIFPRELLHRIPAKTLDQFYSRDATH E= E=1.4 E -005 Atelier Prospectom - Les 29 et 30 Novembre
6 Interprétation : par comparaison.. Protein NECFLSHK Database DDSPDLPK WVTFISLLLLFSSAYSR. Digestion in silico m/z Comparaison entre les spectres théoriques et les spectres expérimentaux..ou interprétation de novo Interprétation des écarts de masse entre les pics Atelier Prospectom - Les 29 et 30 Novembre
7 Spectre S Peptide P Spectre S Peptide P Construction d un spectre théorique de novo sequencing Comparaison de spectres Comparaison de séquences Atelier Prospectom - Les 29 et 30 Novembre
8 Plan de la présentation Le contexte L association spectre-peptide par approche comparative (Peptide-Spectrum Match) L association spectre-peptide par approche de novo L identification des protéines La définition de «pipeline» d analyse Atelier Prospectom - Les 29 et 30 Novembre
9 Identifier et caractériser des protéines du point de vue de l analyse bioinformatique Sélectionner une base de données susceptible de contenir les protéines cherchées. Comparer les propriétés des protéines cherchées avec les propriétés des protéines de la base de données les masses des peptides, les propriétés physico-chimiques, l espèce etc.- Retenir les meilleures candidates Calculer les probabilités pour évaluer les chances que les protéines prédites soient les protéines réelles Atelier Prospectom - Les 29 et 30 Novembre
10 abundance Comparaison de spectres: Shared peak count Spectre théorique m/z Une fonction de score évalue la similarité entre les 2 spectres Spectre expérimental Mascot, X!Tandem, Sequest.
11 Une analyse en spectrométrie de masse génère des milliers de spectres Des spectres très denses Des spectres peu informatifs Atelier Prospectom - Les 29 et 30 Novembre
12 Mais aussi des spectres de bonne qualité: De nombreux spectres de bonne qualité ne sont pas interprétés. Atelier Prospectom - Les 29 et 30 Novembre
13 Qualscore : logiciel d évaluation de la qualité des spectres L interprétation des spectres de masse pour l identification et la caractérisation des protéines reste un problème ouvert Nesvizhskii, A.I., Roos, F.F., Grossmann, J., Vogelzang, M., Eddes, J.S., Gruissem, W., Baginsky, S. and Aebersold, R. (2006) Dynamic spectrum quality assessment and iterative computational analysis of shotgun proteomic data: toward more efficient identification of post-translational modifications, sequence polymorphisms, and novel peptides, Mol Cell Proteomics, 5, Atelier Prospectom - Les 29 et 30 Novembre
14 Les raisons du faible taux de reconnaissance de spectres. Echantillon de mauvaise qualité. Bruit. Précision de masse insuffisante. Des clivages qui ne correspondent pas aux coupures de l enzyme. Du polymorphisme de séquence. Des modifications post-traductionnelles. Superposition de peptides On aimerait bien améliorer le taux d interprétation! Atelier Prospectom - Les 29 et 30 Novembre
15 Oui, mais.. Quel est le coût réel des identifications erronées? => opportunités manquées => du temps perdu à suivre de fausses pistes => la pollution des BD avec des données fausses => manque de confiance dans les données de protéomique White, F.M. (2011) The potential cost of high- throughput proteomics, Sci Signal, 4, pe8 Atelier Prospectom - Les 29 et 30 Novembre
16 Fragmentation idéale Atelier Prospectom - Les 29 et 30 Novembre
17 Atelier Prospectom - Les 29 et 30 Novembre
18 Analyse de la fragmentation de 856 identifications du peptide NH2-AGAEYVVESTGVFTTTDK-COOH pics correspondants aux ions y et b (Orbitrap) FragmentationAnalyser: An open source tool to analyze MS/MS fragmentation data. H. Barsnes et. Al.. Proteomics 2010 Atelier Prospectom - Les 29 et 30 Novembre
19 Une assez grande variabilité des données générées b-ion H2O b-ion NH3 y-ion H2O y-ion NH3 a a H2O a NH3 bruit, contaminants 4 spectres issus de l analyse d un même échantillon représentant de manière sûre le même peptide EGEGVVVMLWK (60% des pics les plus intenses sont affichés, pvalue > 0.99) Atelier Prospectom - Les 29 et 30 Novembre
20 Collections non redondantes de spectres obtenus par LC MS/MS PRIDE Statistics Novembre Experiments Identified Proteins Identified Peptides Unique Peptides Spectra Atelier Prospectom - Les 29 et 30 Novembre
21 Atelier Prospectom - Les 29 et 30 Novembre
22 abundance Comparaison de spectres: Shared peak count Spectre théorique m/z Une fonction de score évalue la similarité entre les 2 spectres Spectre expérimental Mascot, X!Tandem, Sequest.
23 Exemple: un spectre de bonne qualité (qualscore > 3 ) bien interprété pvalue= Evalue=0.047 Qualscore=3.55 Atelier Prospectum - Les 29 et 30 Novembre
24 Exemple : un spectre bien interprété pourtant de mauvaise qualité pvalue= evalue=0.091 Qualscore=-1.09 Atelier Prospectum - Les 29 et 30 Novembre
25 Un spectre de bonne qualité et une interprétation incertaine pvalue= evalue=0.46 Qualscore=4.35 Atelier Prospectum - Les 29 et 30 Novembre
26 Les algorithmes de comparaison de spectres : Quels sont les types d ions considérés? Comment sont définies les intensités des spectres théoriques? * Quel est l algorithme de comparaison utilisé? Quel est le calcul de score? * Comment les mutations, les modifications post-traductionnelles sont-elles prises en compte? * Comment sont validées les attributions? Atelier Prospectom - Les 29 et 30 Novembre
27 Mieux modéliser un spectre théorique = prédire le modèle de fragmentation Séquence du peptide ensemble spectres MS/MS Apprentissage Modèle de fragmentation Spectre théorique Exemple PepNovo+ : la prédiction ne porte pas sur l intensité des pics, mais sur l ordre de l intensité des pics. Basé sur une méthode RankBoosting Predicting Intensity Ranks of Peptide Fragment Ions. Frank, A.M. J. Proteome Research, 8: , 2009 Ranking-Based Scoring Models for Peptide-Spectrum Matches. Frank, A.M. J. Proteome Research, 8: , 2009 Atelier Prospectom - Les 29 et 30 Novembre
28 Peptide AGAEYVVETGVFTTTDK Fragmentation prédite par Pepnovo+ Atelier Prospectom - Les 29 et 30 Novembre
29 Peptide VAVLEANPR Fragmentation prédite par PepNovo+ Atelier Prospectom - Les 29 et 30 Novembre
30 Banques de spectres expérimentaux Des scores plus discriminants qu en comparaison avec des spectres théoriques Un espace de recherche plus petit et plus précis Identification plus facile de spectres sortant de l ordinaire donc potentiellement porteur de modifications post-traductionnelles L intérêt de ces banques décroît lorsque les spectres sont de bonnes qualité NIST : PeptideAtlas : PRIDE : Atelier Prospectom - Les 29 et 30 Novembre
31 Les algorithmes de comparaison de spectres : Quels sont les types d ions considérés? Comment sont définies les intensités des spectres théoriques? * Quel est l algorithme de comparaison utilisé? Comment le score est-il calculé? * Comment les mutations, les modifications post-traductionnelles sont-elles prises en compte? Comment sont validées les attributions? Atelier Prospectom - Les 29 et 30 Novembre
32 Le calcul de score : un exemple simple : X!Tandem Craig, R. and Beavis, R.C. (2003) A method for reducing the time required to match protein sequences with tandem mass spectra, Rapid Commun Mass Spectrom, 17, An explanation of the X!Tandem MS/MS spectra search program developed by Craig,R. and Beavis,R.C. (2003) Rapid Commun. Mass Spectrom., 17, Explication complète : Atelier Prospectum - Les 29 et 30 Novembre
33 Principaux avantages de X!Tandem. Très rapide. Prend en compte les peptides semi-tryptic. Prend en compte le polymorphisme. Score basé sur des calculs de probabilité Atelier Prospectom - Les 29 et 30 Novembre
34 Atelier Prospectom - Les 29 et 30 Novembre
35 Atelier Prospectom - Les 29 et 30 Novembre
36 Atelier Prospectom - Les 29 et 30 Novembre
37 Atelier Prospectum - Les 29 et 30 Novembre
38 Atelier Prospectum - Les 29 et 30 Novembre
39 Les différents moteurs de recherche sont en accord sur une majorité de peptides, mais chaque moteur permet d identifier des peptides particuliers Jeu de données UPS standard, FDR=1% Vaudel, M., Burkhart, J.M., Sickmann, A., Martens, L. and Zahedi, R.P. (2011) Peptide identification quality control, Proteomics, 11, Atelier Prospectom - Les 29 et 30 Novembre
40 Evalue X!Tandem=4.6 Pvalue PeptideProphet = Un beau spectre, une evalue décevante? Atelier Prospectom - Les 29 et 30 Novembre
41 Séquence Hyperscore Delta masse Expect GVLDAVER GVLDGIER VGGGGGGGGER RLATNQR RLAGYLR RLETLAR RLAAVKGK Atelier Prospectom - Les 29 et 30 Novembre
42 Interprétation GVLDAVER Interprétation GVLDGIER masse (AV) = masse(gi) Atelier Prospectom - Les 29 et 30 Novembre
43 Les algorithmes de comparaison de spectres : Quels sont les types d ions considérés? Comment sont définies les intensités des spectres théoriques? * Quel est l algorithme de comparaison utilisé? Quel est le calcul de score? * Comment les mutations, les modifications post-traductionnelles sont-elles prises en compte? Comment sont validées les attributions? Atelier Prospectom - Les 29 et 30 Novembre
44 Phosphorylation sur T (+80 Da) Atelier Prospectum - Les 29 et 30 Novembre
45 b 1 b 2 b 3 MTFL b 4 b 5 MTFLG MTFLGK Experimental MTFLGK MTF MT M m/z b 1 b 2 b 3 b 4 b 5 MTFLGK Spectre théorique MTFLGK M MT MTF MTFL MTFLG m/z
46 y 1 y 3 y y 2 y 4 TFLGK FLGK LGK GK K 2 5 MTFLGK Expérimental MTFLGK m/z y 1 K y 2 GK LGK y 3 FLGK y 4 TFLGK y 5 MTFLGK Théorique MTFLGK m/z
47 a H2O b H2O b NH3 y NH3 Idée originale de la thèse de Freddy Cliquet (2011): modéliser le spectre sous une forme différente à partir des relations qui lient les ions issus d une même fragmentation Relation entre les ions y et b: masse(y) = Σ masse( aa) masse(b) - 20 masse (FLGK) = masse (MTFLGK) masse (MT) -20 Nous pouvons regrouper les ions issus d une même fragmentation en changeant le position des ions y Position(y-ion) = Σ mass(aa) mass(b-ion) y a b Les pics issus d une même fragmentation sont regroupés dans un paquet
48 Un spectre théorique est alors représenté par une liste de paquets mass (aaj) Packet j mass (aai) Packet i m/z
49 M T F L G K M T+80 F L G K Atelier Prospectom - Les 29 et 30 Novembre
50 L algorithme PSA (Packet Spectral Alignment) s appuie alors sur la programmation dynamique pour aligner les paquets du spectre théorique sur le spectre expérimental comme l algorithme SA développé par Pevzner et al. ¹ A. Pevzner, V. Dancik, and C. L. Tang. Mutation-tolerant protein identication by mass spectrometry. J Comput Biol, 7(6): , 2000
51 La transformation du spectre théorique est simple! La transformation du spectre expérimental est beaucoup plus complexe car on ne sait pas distinguer les différents types d ions. PSA génère donc un pic complémentaire pour chaque pic, mais attention à ne pas générer de bruit (nombre de pics * 2! ) Les ions b du spectre théorique resp. les ions y - ne seront alignés qu avec les pics d origine resp. les pics complémentaires - du spectre expérimental. Atelier Prospectom - Les 29 et 30 Novembre-2012
52 Temps d exécution longs : AVG ~1 minute par spectrum sur un serveur linux et l utilisation de 7 coeurs sur une banque d environ ~ peptides L algorithme ne peut être appliqué que sur. Des spectres de bonne qualité. Des spectres non-interprétés par des approches plus rapides Cliquet, F., Fertin, G., Rusu, I. and Tessier, D. (2009) Comparison of Spectra in Unsequenced Species.. In (LNBI), L.N.i.B. (ed), 4th Brazilian Symposium on Bioinformatics (BSB 2009). Porto Alegre, Brazil. Cliquet, F., Fertin, G., Rusu, I. and Tessier, D. (2010) Proper alignment of MS/MS spectra from unsequenced species. Proc. 11th International Conference on Bioinformatics and Computational Biology (BIOCOMP 2010). CSREA Press, Atelier Prospectom - Les 29 et 30 Novembre-2012
53 Plan de la présentation Le contexte L association spectre-peptide par approche comparative (Peptide-Spectrum Match) L association spectre-peptide par approche de novo L identification des protéines La définition de «pipeline» d analyse Atelier Prospectom - Les 29 et 30 Novembre
54 Plan de la présentation Le contexte L association spectre-peptide par approche comparative L association spectre-peptide par approche de novo L identification de protéines Atelier Prospectom - Les 29 et 30 Novembre
55 Atelier Prospectom - Les 29 et 30 Novembre
56 Utilisation de graphes de spectres (introduits par Bartels ) Recherche d un chemin optimal Atelier Prospectom - Les 29 et 30 Novembre
57 Le jeu d évaluation correspond à une sélection de spectres : en moyenne, ils contiennent 47.7% des ions b et 51.2% des ions y Ranking-Based Scoring Models for Peptide-Spectrum Matches. Frank, A.M. J. Proteome Research, 8: ,
58 En résumé Trouver une association entre un spectre et un peptide? Facile!!!! Oui mais est-elle correcte? Erreurs: des spectres de mauvaise qualité, mais pas toujours. Même des spectres de bonne qualité peuvent fournir des associations incorrectes si le peptide analysé n est pas dans la banque de protéines. Atelier Prospectom - Les 29 et 30 Novembre
59 Plan de la présentation Le contexte L association spectre-peptide par approche comparative (Peptide-Spectrum Match) L association spectre-peptide par approche de novo L identification des protéines La définition de «pipeline» d analyse Atelier Prospectom - Les 29 et 30 Novembre
60 Difficulté à assembler les peptides : Protein inference problem Nesvizhskii, A.I. and Aebersold, R. (2005) Interpretation of shotgun proteomic data: the protein inference problem, Mol Cell Proteomics, 4, Atelier Prospectom - Les 29 et 30 Novembre
61 Le problème est en général formalisé sous la forme d un graphe biparti Peptides Protéines m = nombre max de protéines n = nombre min de protéines Set coverage problem (NP-complet) Principe de parcimonie Le problème des protéines avec 1 seul peptide Gupta, N. and Pevzner, P.A. (2009) False discovery rates of protein identifications: a strike against the two-peptide rule, J Proteome Res, 8, p n Atelier Prospectom - Les 29 et 30 Novembre
62 Les différents algorithmes Huang, T., Wang, J., Yu, W. and He, Z. (2012) Protein inference: a review, Brief Bioinform, 13, Atelier Prospectom - Les 29 et 30 Novembre
63 Huang, T., Wang, J., Yu, W. and He, Z. (2012) Protein inference: a review, Brief Bioinform, 13, Atelier Prospectom - Les 29 et 30 Novembre
64 Kwon, T., Choi, H., Vogel, C., Nesvizhskii, A.I. and Marcotte, E.M. (2011) MSblender: A probabilistic approach for integrating peptide identifications from multiple database search engines, J Proteome Res, 10, Résultat à 0.5% de FDR Atelier Prospectom - Les 29 et 30 Novembre
65 Plan de la présentation Le contexte L association spectre-peptide par approche comparative (Peptide-Spectrum Match) L association spectre-peptide par approche de novo L identification des protéines La définition de «pipeline» d analyse Atelier Prospectom - Les 29 et 30 Novembre
66 Développement de processus d analyse adaptés aux questions de recherche Définition de stratégies d analyse adaptées aux questions traitées Développement du logiciel OVNIp Atelier Prospectom - Les 29 et 30 Novembre
67 Remerciements La composante de spectrométrie de masse de la plateforme BIBS, en particulier Hélène Rogniaux, Audrey Geairon Freddy Cliquet (doctorant), Guillaume Merceron (master 2) L équipe ComBi du LINA, en particulier Guillaume Fertin, Irena Rusu Colette Larré (unité INRA-BIA) Le groupe bioinformatique de BIBS : Virginie Lollier, Stéphane Bansard, Marc Vasseur Atelier Prospectom - Les 29 et 30 Novembre
Protéomique Séance 1 Introduction aux données de protéomique et aux outils de recherche
Protéomique Séance 1 Introduction aux données de protéomique et aux outils de recherche Mathieu Courcelles BCM2003 26 Mars 2009 BCM2003-H09 Protéomique Démonstrateur: Mathieu Courcelles Questions? Via
Plus en détailInformatique. epims : un LIMS pour la gestion des données de spectrométrie de masse TECHNOLOGIE APPLIQUÉE
Véronique DUPIERRIS 1, Damien BARTHE 2, Christophe BRULEY 2 epims : un LIMS pour la gestion des données de spectrométrie de masse Informatique RÉSUMÉ La protéomique constitue aujourd hui un outil de choix
Plus en détailLa gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST.
La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST. Gaël Le Mahec - p. 1/12 L algorithme BLAST. Basic Local Alignment Search Tool est un algorithme de recherche
Plus en détailT. Gasc 1,2,3, F. De Vuyst 1, R. Motte 3, M. Peybernes 4, R. Poncet 5
Modélisation de la performance et optimisation d un algorithme hydrodynamique de type Lagrange-Projection sur processeurs multi-cœurs T. Gasc 1,2,3, F. De Vuyst 1, R. Motte 3, M. Peybernes 4, R. Poncet
Plus en détailUTILISATION DE LA PLATEFORME WEB D ANALYSE DE DONNÉES GALAXY
UTILISATION DE LA PLATEFORME WEB D ANALYSE DE DONNÉES GALAXY Yvan Le Bras yvan.le_bras@irisa.fr Cyril Monjeaud, Mathieu Bahin, Claudia Hériveau, Olivier Quenez, Olivier Sallou, Aurélien Roult, Olivier
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détail2D-Differential Differential Gel Electrophoresis & Applications en neurosciences
2D-Differential Differential Gel Electrophoresis & Applications en neurosciences Jean-Etienne Poirrier Centre de Neurobiologie Cellulaire et Moléculaire Centre de Recherches du Cyclotron Université de
Plus en détailFiche 19 La couleur des haricots verts et cuisson
Fiche 19 La couleur des haricots verts et cuisson Objectif : Valider ou réfuter des «précisions culinaires»* permettant de "conserver une belle couleur verte" lors la cuisson des haricots verts frais (gousses
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailLimitations of the Playstation 3 for High Performance Cluster Computing
Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire
Plus en détailA GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters
A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters Présenté par : Equipe de travail : Laboratoire : Maxime CHASSAING Philippe LACOMME, Nikolay
Plus en détailMesure agnostique de la qualité des images.
Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire
Plus en détailMaster de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant
Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant Parcours: Master 1 : Bioinformatique et biologie des Systèmes dans le Master
Plus en détailBig data et sciences du Vivant L'exemple du séquençage haut débit
Big data et sciences du Vivant L'exemple du séquençage haut débit C. Gaspin, C. Hoede, C. Klopp, D. Laborie, J. Mariette, C. Noirot, MS. Trotard bioinfo@genopole.toulouse.inra.fr INRA - MIAT - Plate-forme
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailLa Performance Digitale en Business to Business
La Performance Digitale en Business to Business En quoi la performance digitale B2B et son optimisation, est-elle différente d une stratégie digitale B2C? Florent Bourc his - Marketing Stratégique - 2015
Plus en détailLa reconnaissance moléculaire: la base du design rationnel Modélisation moléculaire: Introduction Hiver 2006
La reconnaissance moléculaire: la base du design rationnel En 1890 Emil Fisher a proposé le modèle "serrure et clé" pour expliquer la façon de fonctionner des systèmes biologiques. Un substrat rentre et
Plus en détailGènes Diffusion - EPIC 2010
Gènes Diffusion - EPIC 2010 1. Contexte. 2. Notion de génétique animale. 3. Profil de l équipe plateforme. 4. Type et gestion des données biologiques. 5. Environnement Matériel et Logiciel. 6. Analyses
Plus en détailGénoToul 2010, Hôtel de Région Midi Pyrénées, Toulouse, 10 décembre 2010
GénoToul 2010, Hôtel de Région Midi Pyrénées, Toulouse, 10 décembre 2010 Analyse de la diversité moléculaire des régions génomiques de 30 gènes du développement méristématique dans une core collection
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailMass Spec/tacular. performance, productivité et fiabilité. Systèmes CPL/SM Agilent série 6000. Our measure is your success.
Systèmes CPL/SM Agilent série 6000 Mass Spec/tacular performance, productivité et fiabilité. Our measure is your success. products applications software services Une «spectacular» lignée CPL/SM Si vous
Plus en détailTRS: Sélection des sous-graphes représentants par l intermédiaire des attributs topologiques et K-medoïdes
TRS: Sélection des sous-graphes représentants par l intermédiaire des attributs topologiques et K-medoïdes Mohamed Moussaoui,Wajdi Dhifli,Sami Zghal,Engelbert Mephu Nguifo FSJEG, Université de Jendouba,
Plus en détailDécision Markovienne appliquée à un jeu de stop ou encore : Pickomino (Heckmeck Am Bratwurmeck)
Décision Markovienne appliquée à un jeu de stop ou encore : Pickomino (Heckmeck Am Bratwurmeck) Stéphane Cardon Nathalie Chetcuti-Sperandio Fabien Delorme Sylvain agrue CRI - Université d Artois {cardon,chetcuti,delorme,lagrue}@cril.univ-artois.fr
Plus en détailApplication de K-means à la définition du nombre de VM optimal dans un cloud
Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février
Plus en détailK. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau
Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des
Plus en détailProjet de thèse. Intitulé de la thèse. Spécialité du doctorat. Problématique scientifique générale
Projet de thèse Intitulé de la thèse Détection automatisée de signaux en pharmacovigilance : Exploitation conjointe de données de notifications spontanées et médico- administratives. Spécialité du doctorat
Plus en détailSUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION)
Terminale S CHIMIE TP n 2b (correction) 1 SUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION) Objectifs : Déterminer l évolution de la vitesse de réaction par une méthode physique. Relier l absorbance
Plus en détailMASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE
MASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : BIOLOGIE SANTE Spécialité
Plus en détailAnnales du Contrôle National de Qualité des Analyses de Biologie Médicale
Annales du Contrôle National de Qualité des Analyses de Biologie Médicale Plombémie Plombémie 07PLO1 ; 07PLO2 ; 07PLO3 et 07PLO4 2007 Edition : décembre 2008 Afssaps -143/147, Bd Anatole France F-93285
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailEVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO
EVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO Auteur Baguinébié Bazongo 1 Ingénieur Statisticien Economiste Chef de l Unité de recherche à l Institut national
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailIntroduction aux bases de données: application en biologie
Introduction aux bases de données: application en biologie D. Puthier 1 1 ERM206/Technologies Avancées pour le Génome et la Clinique, http://tagc.univ-mrs.fr/staff/puthier, puthier@tagc.univ-mrs.fr ESIL,
Plus en détailLamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013
Cube de textes et opérateur d'agrégation basé sur un modèle vectoriel adapté Text Cube Model and aggregation operator based on an adapted vector space model Lamia Oukid, Ounas Asfari, Fadila Bentayeb,
Plus en détailV 1.0 2006 corr. 2009. Jacques Ferber. LIRMM - Université Montpellier II 161 rue Ada 34292 Montpellier Cedex 5
V 1.0 2006 corr. 2009 Jacques Ferber LIRMM - Université Montpellier II 161 rue Ada 34292 Montpellier Cedex 5 Email: ferber@lirmm.fr Home page: www.lirmm.fr/~ferber Problématique: Comment créer des sons
Plus en détailM2-Images. Rendu Temps Réel - OpenGL 4 et compute shaders. J.C. Iehl. December 18, 2013
Rendu Temps Réel - OpenGL 4 et compute shaders December 18, 2013 résumé des épisodes précédents... création des objets opengl, organisation des données, configuration du pipeline, draw,... opengl 4.3 :
Plus en détailNouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
Plus en détailAuto-évaluation Oracle: cours de base
Auto-évaluation Oracle: cours de base Document: F0475Test.fm 14/01/2008 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INTRODUCTION AUTO-ÉVALUATION ORACLE: COURS DE
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailTHEME 2. LE SPORT CHAP 1. MESURER LA MATIERE: LA MOLE
THEME 2. LE SPORT CHAP 1. MESURER LA MATIERE: LA MOLE 1. RAPPEL: L ATOME CONSTITUANT DE LA MATIERE Toute la matière de l univers, toute substance, vivante ou inerte, est constituée à partir de particules
Plus en détailRaisonnement probabiliste
Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte
Plus en détailModèles et algorithmes pour le conseil et la gestion des préférences en configuration de produit
Modèles et algorithmes pour le conseil et la gestion des préférences en configuration de produit Revue à mi parcours du projet ANR Blanc «BR4CP» Hélène Fargier - IRIT Résolution interactive Le «catalogue»
Plus en détailIndustrial Phd Progam
Industrial Phd Progam Catalan Government: Legislation: DOGC ECO/2114/2012 Modification: DOGC ECO/2443/2012 Next: Summary and proposal examples. Main dates March 2013: Call for industrial Phd projects grants.
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailProjet ARMED Assessment and Risk Management of MEdical Devices in plasticized polyvinylchloride
Projet ARMED Assessment and Risk Management of MEdical Devices in plasticized polyvinylchloride Evaluation et Gestion des risques liés aux Dispositifs Médicaux en polychlorure de vinyle Plastifié V. Sautou,
Plus en détailL analyse documentaire : Comment faire des recherches, évaluer, synthétiser et présenter les preuves
L analyse documentaire : Comment faire des recherches, évaluer, synthétiser et présenter les preuves Cet atelier portera sur 1. la recherche dans la documentation de sources pertinentes; 2. l évaluation
Plus en détailSurveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!
Plus en détailPANDORA database: a compilation of indoor air pollutant emissions
PANDORA database: a compilation of indoor air pollutant emissions Marc O. Abadie and Patrice Blondeau LEPTIAB University of La Rochelle, France Corresponding email: mabadie@univ-lr.fr 1 Scope Context Modeling
Plus en détailApproche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH
Approche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH Boris Hejblum 1,2,3 & Rodolphe Thiébaut 1,2,3 1 Inserm, U897
Plus en détailMapReduce. Malo Jaffré, Pablo Rauzy. 16 avril 2010 ENS. Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15
MapReduce Malo Jaffré, Pablo Rauzy ENS 16 avril 2010 Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15 Qu est ce que c est? Conceptuellement Données MapReduce est un framework de calcul distribué
Plus en détailDécouverte et analyse de dépendances dans des réseaux d entreprise
Découverte et analyse de dépendances dans des réseaux d entreprise Samer MERHI Sous la direction de: Olivier FESTOR LORIA - Equipe MADYNES - Université Henri Poincaré June 24, 2008 1 / 24 Plan 1 Introduction
Plus en détailR-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale
R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale Boulbaba BEN AMOR, Karima OUJI, Mohsen ARDABILIAN, et Liming CHEN Laboratoire d InfoRmatique en Images et
Plus en détailMaîtriser les mutations
Maîtriser les mutations Avec UNE Supply chain AGILE La réflexion porte ses fruits www.cereza.fr TALAN Group Notre savoir-faire : maîtriser les mutations et en faire une force pour l entreprise Cereza,
Plus en détailLa Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS
Rev. Energ. Ren. : Chemss 2000 39-44 La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS D.K. Mohamed, A. Midoun et F. Safia Département
Plus en détailProposition de labellisation d un projet de thèse pour une Allocation de Recherche 2013. (5 pages maximum)
(Effacer ci-dessous les financements qui ne vous concernent pas) ABIES Proposition de labellisation d un projet de thèse pour une Allocation de Recherche 2013 (5 pages maximum) 1. Titre de la thèse Evaluation
Plus en détailSemestre 2 Spécialité «Analyse in silico des complexes macromolécules biologiques-médicaments»
Master In silico Drug Design Semestre 2 Spécialité «Analyse in silico des complexes macromolécules biologiques-médicaments» 30NU01IS INITIATION A LA PROGRAMMATION (6 ECTS) Responsables : D. MESTIVIER,
Plus en détailFig. 1 Le détecteur de LHCb. En bas à gauche : schématiquement ; En bas à droite: «Event Display» développé au LAL.
LHCb est l'une des expériences installées sur le LHC. Elle recherche la physique au-delà du Modèle standard en étudiant les mésons Beaux et Charmés. L accent est mis entre autres sur l étude de la violation
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailThermo Scientific Training Courses. La clé de la réussite pour votre laboratoire. Catalogue Formations 2015 France
Thermo Scientific Training Courses La clé de la réussite pour votre laboratoire Catalogue Formations 2015 France Investissez dans le développement des compétences de votre équipe Votre personnel est le
Plus en détailSpécificités, Applications et Outils
Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining
Plus en détailOPTIMISER SON PROCESSUS DE TEST AVEC UNE APPROCHE BOITE GRISE
OPTIMISER SON PROCESSUS DE TEST AVEC UNE APPROCHE BOITE GRISE Retour d expérience Benjamin Boutin QA Manager S2E www.s2e-services-epargne-entreprise.com Marc Rambert Director Dynamic Testing Solution Coverity/Synopsys
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailEtude d Algorithmes Parallèles de Data Mining
REPUBLIQUE TUNISIENNE MINISTERE DE L ENSEIGNEMENT SUPERIEUR, DE LA TECHNOLOGIE ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE DE TUNIS ELMANAR FACULTE DES SCIENCES DE TUNIS DEPARTEMENT DES SCIENCES DE L INFORMATIQUE
Plus en détailAnalyses croisées de sites Web pour détecter les sites de contrefaçon. Prof. Dr. Olivier Biberstein
Analyses croisées de sites Web pour détecter les sites de contrefaçon Prof. Dr. Olivier Biberstein Division of Computer Science 14 Novembre 2013 Plan 1. Présentation générale 2. Projet 3. Travaux futurs
Plus en détailQualité de la conception de tests logiciels : plate-forme de conception et processus de test
Ecole Doctorale en Sciences de l Ingénieur de l ECP Formation doctorale en Génie Industriel Qualité de la conception de tests logiciels : plate-forme de conception et processus de test Quality of the design
Plus en détailCurriculum Vitae détaillé
Curriculum Vitae détaillé Situation personnelle Nom Patronymique : HURLIN Prénom : Christophe Date et lieu de naissance : né le 06 mars 1973 à Montluçon (03) Adresse personnelle : 4bis Avenue Jean Zay
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailsentée e et soutenue publiquement pour le Doctorat de l Universitl
Du rôle des signaux faibles sur la reconfiguration des processus de la chaîne de valeur de l organisation : l exemple d une centrale d achats de la grande distribution française Thèse présent sentée e
Plus en détailCHAPITRE 3 LA SYNTHESE DES PROTEINES
CHAITRE 3 LA SYNTHESE DES ROTEINES On sait qu un gène détient dans sa séquence nucléotidique, l information permettant la synthèse d un polypeptide. Ce dernier caractérisé par sa séquence d acides aminés
Plus en détailTest de terrain ou test de laboratoire pour la performance en endurance?
Test de terrain ou test de laboratoire pour la performance en endurance? Ajaccio 12 mai 2012 F. Carré Université Rennes 1 Hopital Pontchaillou Inserm UMR 1099 Les «tests» chez le sportif Exploration performance
Plus en détailOrdonnancement sous contraintes de Qualité de Service dans les Clouds
Ordonnancement sous contraintes de Qualité de Service dans les Clouds GUÉROUT Tom DA COSTA Georges (SEPIA) MONTEIL Thierry (SARA) 05/12/2014 1 Contexte CLOUD COMPUTING Contexte : Environnement de Cloud
Plus en détailThermo Scientific Training Courses. La clé de la réussite pour votre laboratoire. Catalogue Formations 2015 Suisse
Thermo Scientific Training Courses La clé de la réussite pour votre laboratoire Catalogue Formations 2015 Suisse Investissez dans le développement des compétences de votre équipe Votre personnel est le
Plus en détailAgrégation de liens xdsl sur un réseau radio
Agrégation de liens xdsl sur un réseau radio Soutenance TX Suiveur: Stéphane Crozat Commanditaire: tetaneutral.net/laurent Guerby 1 02/02/212 Introduction 2 Introduction: schéma 3 Définition d un tunnel
Plus en détailOrdonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative
Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative Y. Houbad, M. Souier, A. Hassam, Z.Sari Laboratoire d automatique Tlemcen Faculté de technologie, Université Abou
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailGénétique et génomique Pierre Martin
Génétique et génomique Pierre Martin Principe de la sélections Repérage des animaux intéressants X Accouplements Programmés Sélection des meilleurs mâles pour la diffusion Index diffusés Indexation simultanée
Plus en détailFormations proposées en 2012-2013 par le Réseau Doctoral de Santé Publique
Formations proposées en 2012-2013 par le Réseau Doctoral de Santé Publique Pour obtenir les informations concernant le programme, le lieu et les possibilités d inscription, se référer à la liste des contacts
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailLa méthode des scores, particulièrement de la Banque de France
La méthode des scores, particulièrement de la Banque de France Devant la multiplication des défaillances d entreprises au cours des années 80 et début des années 90, la Banque de France a produit des travaux
Plus en détailModélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs.
Modélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs. H. ZAÏDI a, S. FOHANNO a, R. TAÏAR b, G. POLIDORI a a Laboratoire
Plus en détailDétection et prise en charge de la résistance aux antirétroviraux
Détection et prise en charge de la résistance aux antirétroviraux Jean Ruelle, PhD AIDS Reference Laboratory, UCLouvain, Bruxelles Corata 2011, Namur, 10 juin 2011 Laboratoires de référence SIDA (Belgique)
Plus en détailPrésentation BAI -CITC
Présentation BAI -CITC Expertise reconnue dans des niches technologiques Technologies embarquées Technologies sans contact Technologies d identification et d authentification Sécurité des objets connectés
Plus en détailPartie II Cours 3 (suite) : Sécurité de bases de données
Partie II Cours 3 (suite) : Sécurité de bases de données ESIL Université de la méditerranée Odile.Papini@esil.univ-mrs.fr http://odile.papini.perso.esil.univmed.fr/sources/ssi.html Plan du cours 1 Introduction
Plus en détailE-Biothon : Une plate-forme pour accélérer les recherches en biologie, santé et environnement.
E-Biothon : Une plate-forme pour accélérer les recherches en biologie, santé et environnement. N.Bard, S.Boin, F.Bothorel, P.Collinet, M.Daydé, B. Depardon, F. Desprez, M.Flé, A.Franc, J.-F. Gibrat, D.
Plus en détailContrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.
Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique
Plus en détailExtraction d information des bases de séquences biologiques avec R
Extraction d information des bases de séquences biologiques avec R 21 novembre 2006 Résumé Le module seqinr fournit des fonctions pour extraire et manipuler des séquences d intérêt (nucléotidiques et protéiques)
Plus en détailMABioVis. Bio-informatique et la
MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID
Plus en détailL informatique comme discipline au gymnase. Renato Renner Institut für Theoretische Physik ETH Zürich
L informatique comme discipline au gymnase Renato Renner Institut für Theoretische Physik ETH Zürich Comment puis-je transférer des fichiers de musique sur mon nouvel iphone? Comment puis-je archiver mes
Plus en détailBNP Paribas Personal Finance
BNP Paribas Personal Finance Financially fragile loan holder prevention program CUSTOMERS IN DIFFICULTY: QUICKER IDENTIFICATION MEANS BETTER SUPPORT Brussels, December 12th 2014 Why BNPP PF has developed
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailÉvaluation des logiciels et autres réalisations
DOCUMENT D ANALYSE DE LA COMMISSION D ÉVALUATION DE L INRIA Évaluation des logiciels et autres réalisations Préparé par David Margery, Jean-Pierre Merlet, Cordelia Schmid, Agnès Sulem, Paul Zimmermann
Plus en détailATELIER IMAGEJ. Différentes applications vous sont proposées pour apprendre à utiliser quelques fonctions d ImageJ :
Différentes applications vous sont proposées pour apprendre à utiliser quelques fonctions d ImageJ : 1. ANALYSE QUANTITATIVE D UN GEL D ELECTROPHORESE... 2 2. NUMERATION DE COLONIES BACTERIENNES SUR UNE
Plus en détailMaster of Science in Engineering www.hes-so.ch/mse
Présentation du MSE Fouad.Rahali@heig-vd.ch Master of Science in Engineering www.hes-so.ch/mse 1 Bachelors et Masters HES professionnalisant + de responsabilités Master HES-SO Bachelor HES-SO Compétences
Plus en détailPost-processing of multimodel hydrological forecasts for the Baskatong catchment
+ Post-processing of multimodel hydrological forecasts for the Baskatong catchment Fabian Tito Arandia Martinez Marie-Amélie Boucher Jocelyn Gaudet Maria-Helena Ramos + Context n Master degree subject:
Plus en détail